[发明专利]基于医学信息的知识图谱分析方法及装置

摘要

本发明提供了一种基于医学信息的知识图谱分析方法及装置，该方法包括：获取患者医学信息中所包含的分词词语；基于预设医学知识库对分词词语进行分析，得到分词词语所对应的目标标准医学数据；将目标标准医学数据与预设疾病知识图谱进行匹配；根据匹配结果确定患者的疾病；基于患者医学信息和患者的疾病构建患者的特征向量；通过疾病恶化机器学习模型对特征向量进行恶化概率计算，得到患者的疾病恶化概率。该方法真正考虑了患者医学信息，得到的疾病结果更加准确，并且能够对疾病的情况进行预测，得到疾病恶化的概率，缓解了现有的方法得到的疾病结果准确性差，且无法对疾病的情况进行预测的技术问题。

主权项

1.一种基于医学信息的知识图谱分析装置，其特征在于，所述装置包括：获取模块，用于获取患者医学信息中所包含的分词词语，其中，所述患者医学信息包括：患者的基本信息，患者的病情信息，患者的治疗信息，患者的社交信息；分析模块，用于基于预设医学知识库对所述分词词语进行分析，得到所述分词词语所对应的目标标准医学数据；匹配模块，用于将所述目标标准医学数据与预设疾病知识图谱进行匹配，其中，所述预设疾病知识图谱为各类疾病与其相关因素的关联性图谱；确定模块，用于根据匹配结果确定所述患者的疾病；构建模块，用于基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量，其中，所述特征向量包括：疾病特征向量，治疗特征向量，关系特征向量；计算模块，用于通过疾病恶化机器学习模型对所述特征向量进行恶化概率计算，得到所述患者的疾病恶化概率，其中，所述疾病恶化机器学习模型为通过K‑MEANS算法对大量特征向量进行训练得到的模型；其中，所述构建模块包括：第一计算单元，用于对所述患者的基本信息，所述患者的病情信息以及所述患者的疾病进行计算，得到所述疾病特征向量；第二计算单元，用于对所述患者的治疗信息以及所述患者的疾病进行计算，得到所述治疗特征向量；第三计算单元，用于对所述患者的疾病和所述患者的社交信息进行计算，得到所述关系特征向量；所述第一计算单元包括：第一确定子单元，用于根据患者的疾病确定疾病特征；获取子单元，用于基于疾病特征获取疾病恶化人群的疾病特征范围和疾病稳定人群的疾病特征范围；第一提取子单元，用于基于患者的基本信息和患者的病情信息提取患者的疾病特征；第二确定子单元，用于结合疾病恶化人群的疾病特征范围，疾病稳定人群的疾病特征范围以及患者的疾病特征，确定患者所属的人群分布；第一计算子单元，用于基于患者所属的人群分布计算疾病特征向量；所述第二计算单元包括：第三确定子单元，用于根据患者的疾病确定治疗方案，其中，治疗方案中包含多个治疗特征；第二提取子单元，用于基于患者的治疗信息提取患者的治疗特征；匹配子单元，用于将患者的治疗特征与治疗方案中的治疗特征进行匹配；第四确定子单元，用于根据匹配结果确定患者的治疗特征向量；所述第三计算单元包括：建立关联子单元，用于将患者的疾病和患者的社交信息与历史关系图谱建立关联，其中，历史关系图谱为根据历史患者医学信息得到的关系图谱；第二计算子单元，用于通过社区发现算法对历史关系图谱进行计算，得到患者所属的社交群体；更新子单元，用于通过社交群体的疾病恶化风险更新历史关系图谱中边的权重值，得到更新后的关系图谱，其中，社交群体的疾病恶化风险为根据历史患者医学信息获得的；第三计算子单元，用于通过随机游走算法和node2vector对更新后的关系图谱进行计算，得到关系特征向量。